Le Data Analyst, un de ces nouveaux métiers du web, peut être vu comme un explorateur des temps modernes. Il explore la donnée dans sa forme la plus vaste avec pour seuls outils non une pioche mais des outils mathématiques statistiques, ainsi que des langages informatiques. Ces outils sont d'ailleurs généralement développés par les Data Scientists : ce côté "Dév" est ce qui différencie vraiment les deux métiers.  Le métier de Data Analyst présente non seulement un aspect technique, mais aussi de consultant. Une fois la donnée extraite, son rôle est de démocratiser l’accès à l’information en la vulgarisant. En bref, permettre aux autres services de l'entreprise de comprendre cette donnée et de l'utiliser au mieux.

Quels sont les outils à connaître dans ce métier, les sites de référence, le jargon, le petit plus à savoir et les meilleurs conseils pour réussir ? Décryptage avec Aurore Thomas, Data Analyst chez ContentSquare,  acteur incontournable sur le marché des logiciels SaaS dédié à l’optimisation de l’UX et des contenus.

PARCOURS

Après une formation technique en DUT Informatique, Aurore a intégré une école d’ingénieur en informatique avant de rejoindre ContentSquare pour analyser les données comportementales et sociologiques des internautes. L’analyse quantitative et qualitative de grandes masses de données a toujours été très attrayante pour elle. C’est un domaine qui analyse les changements de la société et les secrets du monde actuel.


Les outils / apps à connaître dans ce métier

Le matériel de survie de l’explorateur de la donnée comporte :

  • le SQL comme machette afin de défricher les données
  • Excel comme boussole
  • le langage Python pour certains algorithmes de clusturing (complémenté de certaines librairies comme D3js)

Certains logiciels de business intelligence (Looker, Clickview, Tableaux) peuvent également aider le Data Analyst dans sa quête de l’exploration du trésor. Plus spécifiquement chez Content Square, le produit a un rôle central dans ce métier.

Les sites de référence

Afin de rester constamment à la pointe de l’exploration des données, la veille peut prendre plusieurs formats :

  • BLOG : Five Thirty Eight, le site de référence dans le journalisme des données
  • FILMS & SERIES : la série documentaire « Do not Track » sur le tracking et l'économie du web / « Data Gueule » : la série hebdo' étonnante pour décrypter les mécanismes de la société par la mise en avant de visualisation de données.
  • MOOC (cours en ligne) : de nombreuses sources sont disponibles pour toujours rester dans l’ère de son temps. Parmi ceux-ci : Coursera, DataCamp, Dataquest ou encore Kaggle.
  • GROUPES : les meetups de Machine Learning & le salon BigData Paris pour échanger sur les sujets qui font l’actualité et constitueront l’avenir de la data analyse.

Le vocabulaire type

Entre jargon de la data analyse et vocabulaire spécifique au e-commerce, chez ContentSquare, les Data Analysts sont une espèce à part qui communique avec des termes comme :

  • BDD : base De Données (outil informatique permettant de stocker des données de manière très structurée)
  • Data Mart : c’est un sous-ensemble de la BDD utilisé en informatique décisionnelle (ou business intelligence), permettant de fournir des indicateurs d’aide à la décision sur un domaine particulier, sans endommager les performances de la base de données.
  • Requête : langage informatique permettant d’accéder aux informations d’une BDD selon certaines conditions spécifiques (exemple : toutes les personnes qui empruntent la ligne 1 du métro parisien sur le mois de janvier).
  • Data Mining : donner du sens à la donnée par le traitement mathématique statistique
  • Insights : enseignement tiré d’une analyse. Cela peut-être une anomalie, un point positif ou négatif ou une problématique mise en lumière.
  • Data Visualisation : rendre le data Mining accessible à tous par la représentation graphique des données
  • Cartographie : c’est la représentation concise et efficace de données sur un support réduit représentant un espace tenu pour réel
  • Segmentation : découpage du marché / utilisateurs en sous-ensembles homogènes qui sont les segments afin de tirer des conclusions pertinentes d’une analyse. Ces segments peuvent se baser sur un ou plusieurs critères comme l’âge, la localisation géographique, les comportements de navigation sur un site internet (revisite, nombre de pages vues, temps de navigation, etc.).
  • Comparer : mettre en parallèle des données, parfois en appliquant la segmentation, avec comme finalité de faire apparaître les similitudes ou des différences et d’émettre des conclusions
  • Synthétiser : réunir les données, éléments et conclusions d’une analyse en un tout cohérent, structuré et homogène afin de permettre aux experts métier et aux décisionnaires de prendre des décisions stratégiques.

Une journée type ?

Il n’y a pas vraiment de journée type. La journée du Data Analyst est rythmée par les demandes clients et les analyses. Après avoir extrait les données, il les interprète à l’aide d’outils mathématiques. Une fois les données interprétées, il imagine puis implémente la visualisation de données optimale, afin de rendre accessible à tous l’accès aux données. Cela dans l’optique de prendre des décisions mesurées.

Plus spécifiquement chez ContentSquare, le Data Analyst propose suite aux conclusions faites par la donnée, des recommandations actionnables tout de suite pour améliorer l'expérience des utilisateurs dans le domaine du web.

La personnalité la plus adaptée à ce métier

En tant qu’explorateur de la donnée, il faut être curieux, persévérant face à l’insurmontable, rigoureux et obstiné. 

  • Être data analyste, c’est avoir un esprit analytique et synthétique qui n’aboutit pas à la description, mais à la problématisation. Cette problématisation des données requiert de savoir prendre du recul, d’avoir un esprit critique et de pouvoir remettre en question son travail. 
  • Afin de convaincre les plus haut responsables par la représentation des données, il est nécessaire d’être organisé, consciencieux, d’avoir le sens du détail (à la limite du perfectionnisme parfois) et d'aimer les chiffres !
  •  En tant que consultant de la donnée, il faut s’adapter à tous les publics, néophytes ou plus aguerris, et avoir des connaissances techniques et business. Pour cela, la pédagogie et l’ouverture d’esprit sont de mise.

Un parcours type ?

Il n’y a pas de parcours type pour devenir Data Analyst. Chez ContentSquare, on retrouve une dominante de :

  • formations en école de commerce orienté digitale 
  • école d’Ingénieurs 
  • d’autres formations universitaires avec des dominantes en statistiques ou sociologie combinée à des méthodes quantitatives, appliquée au digital

Le petit plus à savoir pour réussir

Le métier de Data Analyst étant encore nouveau, il reste totalement à réinventer ! Évoluant sans cesse, l’innovation et la force de proposition sont des points essentiels de la personnalité d’un Data Analyst. Comme tout nouveau métier, la soif d’apprendre et la passion sont donc les clés ! Le mieux ? Faire de son métier une passion.

Pourquoi c'est le meilleur métier du monde :)

A la fois technique, statistique et consultant, le métier de Data Analyst est un métier valorisant, dans l’ère de son temps, au plus près des changements de la société. Nous sommes des évangélistes de la donnée ! Or, la digitalisation des médias prenant exponentiellement du terrain, les changements insufflés par les Data Analysts suite à leur expertise ont un vrai impact sur la société. Comme ce métier requiert un apprentissage permanent et traite de sujets innovants, on ne se lasse pas. Il faut sans cesse chercher, inventer, innover afin d’améliorer et d’optimiser ce métier.



Envie d'en savoir plus ? Aurore raconte tout en vidéo ICI !


Suivez Welcome to the Jungle sur Facebook pour recevoir chaque jour nos meilleurs articles dans votre timeline !


Envie de rejoindre ContentSquare ?

Newsletter

Suis-nous !